原创 RCNN，Fast-RCNN，Faster-RCNN，Mask-RCNN詳解
mAP:物體類別和位置的平均精度 RCNN參考：https://www.cnblogs.com/zf-blog/p/6740736.html 創新點： 採用CNN網絡提取圖像特徵，從經驗驅動的人造特徵範式HOG、SIFT到數據
2020-07-08 03:16:12
原创 KNN算法，K聚類的優缺點
KNN 適用數據範圍:數值型和標稱型 （目標變量的結果只在有限目標集中取值，如真與假，標稱型目標變量主要用於分類) 優點 ① 簡單，易於理解，易於實現，無需參數估計，無需訓練; ② 對異常值不敏感（個別噪音數據對結果的影響不是
2020-07-08 03:16:12
6
原创 支持向量機的筆記
目的：找到一個超平面 使得超平面兩側支持向量的距離最大 支持向量：超平面兩側距離超平面最近的點 很好的一個課件：https://wenku.baidu.com/view/fa8e7f2eccbff121dd368336.html
2019-02-20 21:29:18
原创 YOLOV1 V2 V3 SSD 筆記
YOLOV1 https://blog.csdn.net/hrsstudy/article/details/70305791 檢測網絡包括24個卷積層和2個全連接層 優點： 1、YOLO檢測物體非常快。 因爲沒有複雜的檢測流
2019-01-21 17:28:40
12
原创 防止過擬合的幾種方法
什麼事過擬合？ 過擬合（overfitting）是指在模型參數擬合過程中的問題，由於訓練數據包含抽樣誤差，訓練時，複雜的模型將抽樣誤差也考慮在內，將抽樣誤差也進行了很好的擬合。 具體表現就是最終模型在訓練集上效果好；在測試集上效果差。
2019-01-21 17:28:40
1
原创 KNN算法的優缺點
優點 ① 簡單，易於理解，易於實現，無需參數估計，無需訓練; ② 對異常值不敏感（個別噪音數據對結果的影響不是很大）; ③ 適合對稀有事件進行分類; ④ 適合於多分類問題(multi-modal,對象具有多個類別標籤)，KNN要比SV
2019-01-18 19:52:09
原创 記錄邏輯迴歸和線性迴歸 大神的blog
邏輯迴歸：https://blog.csdn.net/chibangyuxun/article/details/53148005 線性迴歸：https://blog.csdn.net/skullFang/article/details
2019-01-18 19:51:57
原创 不同cnn網絡的特點歸納
這是本人學習cnn網絡的總結 圖片的語義信息：視覺層、對象層和概念層。 AlexNet (8層結構，其中前5層爲卷積層，後面3層爲全連接層)創新點： 1.用relu替換sigmoid解決了sigmoid再網絡較深時的梯度彌散問題 2.
2019-01-16 18:26:31
原创 MTCNN學習筆記
MTCNN學習筆記 本人最近學習了MTCNN，跑了GitHub某大神的code，現在對該code的結構做一個小結，同時我所理解的MTCNN整理成筆記，並且對該大神的code中生成positive,negative,part樣本pyt
2019-01-08 14:07:00
67
原创 利用pytorch做一個簡單的迴歸網絡
最近整理了一下pytorch的筆記，把很簡單的pytorch搭建一個迴歸網絡的code貼上來 import torch import torch.nn.functional as F x = torch.unsqueeze(to
2019-01-08 14:07:00
1
原创 pytorch實現LetNet5並用其訓練minist手寫訓練集
本文針對本人學習pytorch過程記錄，本文主要是針對CNN中的LetNet5 文章目錄 import os import torch import torch.nn as nn import torch.utils.data a
2019-01-08 14:07:00
8
原创 利用pytorch 做一個簡單的神經網絡實現sklearn庫中鶯尾花的分類
本文針對本人學習pytorch的分類問題，自己寫了一個簡單的code import numpy as np from collections import Counter from sklearn import datasets
2019-01-08 14:07:00
2
原创 pytorch實現cifar10的分類
本文針對本人學習pytorch的過程進行記錄，並非總結型筆記，只是針對使用過程中常用且重要的操作予以記錄，以便日後進行查看。 code import torch import torchvision import torchvis
2019-01-08 14:07:00
2